Skip to main content
MMEngine은 OpenMMLab에서 만든 PyTorch 기반 딥러닝 모델 트레이닝을 위한 기본 라이브러리입니다. MMEngine은 OpenMMLab 알고리즘 라이브러리를 위한 차세대 트레이닝 아키텍처를 구현하여 OpenMMLab 내의 30개 이상의 알고리즘 라이브러리에 통합된 실행 기반을 제공합니다. 핵심 구성 요소로는 트레이닝 엔진, 평가 엔진 및 모듈 관리가 있습니다. Weights and Biases는 전용 WandbVisBackend를 통해 MMEngine에 직접 통합되어 다음 작업을 수행할 수 있습니다.
  • 트레이닝 및 평가 메트릭 기록.
  • experiment configs 기록 및 관리.
  • 그래프, 이미지, 스칼라 등과 같은 추가 레코드 기록.

​
시작하기

openmim 및 wandb를 설치합니다.
  • 커맨드라인
  • 노트북
pip install -q -U openmim wandb
다음으로, mim을 사용하여 mmengine 및 mmcv를 설치합니다.
  • 커맨드라인
  • 노트북
mim install -q mmengine mmcv

​
MMEngine Runner와 함께 WandbVisBackend 사용

이 섹션에서는 mmengine.runner.Runner를 사용하여 WandbVisBackend를 사용하는 일반적인 워크플로우를 보여줍니다.
  1. 시각화 config에서 visualizer를 정의합니다. 
    from mmengine.visualization import Visualizer  # define the visualization configs visualization_cfg = dict(  name="wandb_visualizer",  vis_backends=[  dict(  type='WandbVisBackend',  init_kwargs=dict(project="mmengine"),  )  ],  save_dir="runs/wandb" )  # get the visualizer from the visualization configs visualizer = Visualizer.get_instance(**visualization_cfg)
    W&B run 초기화 입력 파라미터에 대한 인수의 사전을 init_kwargs에 전달합니다.
  2. visualizer로 runner를 초기화하고 runner.train()을 호출합니다. 
    from mmengine.runner import Runner  # build the mmengine Runner which is a training helper for PyTorch runner = Runner(  model,  work_dir='runs/gan/',  train_dataloader=train_dataloader,  train_cfg=train_cfg,  optim_wrapper=opt_wrapper_dict,  visualizer=visualizer, # pass the visualizer )  # start training runner.train()

​
OpenMMLab 컴퓨터 비전 라이브러리와 함께 WandbVisBackend 사용

WandbVisBackend를 사용하여 MMDetection과 같은 OpenMMLab 컴퓨터 비전 라이브러리로 Experiments를 쉽게 추적할 수도 있습니다. 
# inherit base configs from the default runtime configs _base_ = ["../_base_/default_runtime.py"]  # Assign the `WandbVisBackend` config dictionary to the # `vis_backends` of the `visualizer` from the base configs _base_.visualizer.vis_backends = [  dict(  type='WandbVisBackend',  init_kwargs={  'project': 'mmdet',  'entity': 'geekyrakshit'  },  ), ]